[论文解读] A fast quantum mechanical algorithm for estimating the median

Lov K. Grover|ArXiv.org|Jul 29, 1996

Quantum Computing Algorithms and Architecture参考文献 5被引用 31

一句话总结

本文提出了一种量子算法，可在 O(1/ε) 步内以精度 ε 估计 N 个元素的中位数，相比经典算法所需的 Ω(1/ε²) 次采样，实现了二次加速。该方法利用量子幅度放大和相位估计算法，高效计算低于阈值的元素数量，通过使用量子子程序迭代优化阈值，实现快速中位数估计。

ABSTRACT

Consider the problem of estimating the median of N items to a precision epsilon, i.e., the estimate should be such that, with a high probability, the number of items, with values both smaller than and larger than this estimate, is less than N*(1+epsilon)/2. Any classical algorithm to do this will need at least O(1/epsilon^2) samples. Quantum mechanical systems can simultaneously carry out multiple computations due to their wave like properties. This paper describes an O(1/epsilon) step algorithm for the above estimation.

研究动机与目标

• 开发一种量子算法，以比经典方法更高效的方式估计 N 个元素的中位数，精度为 ε。
• 利用量子叠加和干涉，将所需查询次数减少至低于经典方法的界限。
• 证明量子算法可在统计估计问题（特别是中位数估计）上，比经典方法更快求解。
• 提供一种实用的量子子程序，用于估计低于给定阈值的元素比例，该子程序随后在二分查找中用于定位中位数。

提出的方法

• 使用量子幅度放大技术，估计 N 个元素中值低于给定阈值 µ 的比例。
• 采用一个量子子程序，以高置信度估计高于和低于 µ 的元素数量之间的不平衡量 ε。
• 应用相位估计算法，从量子幅度测量中提取 ε 的符号和大小。
• 在二分查找框架中，迭代调用估计 ε 的子程序，以收敛至中位数值。
• 在算法开始时，使用类似傅里叶的变换（Hadamard 变换）在所有 N 个状态上创建均匀叠加。
• 使用选择性相位旋转标记低于阈值的状态，从而通过干涉实现相关幅度的放大。

实验结果

研究问题

• RQ1 与经典方法相比，量子算法能否在估计未排序数据集的中位数方面实现显著加速？
• RQ2 在给定精度 ε 下，估计中位数所需的最少量子查询次数是多少？
• RQ3 如何结合量子幅度放大与相位估计，以高精度估计低于阈值的元素比例？
• RQ4 能否将用于估计阈值比例的量子子程序递归地用于二分查找，以定位中位数？

主要发现

• 该算法以 O(1/ε) 个量子步骤估计中位数，相比经典方法的 Ω(1/ε²) 复杂度，实现了二次加速。
• 通过幅度估计技术，以高置信度估计中位数阈值以下的元素比例，误差被限制在 O(θε) 以内，其中 θ 为控制参数。
• 用于估计不平衡量 ε 的子程序返回的值，其最大期望误差为 O(θε)，且该算法确保真实 ε 值以高概率落在该误差范围内。
• 通过扰动阈值并观察估计比例的变化，确定不平衡量的符号，从而正确确定中位数位置。
• 中位数估计通过调用量子子程序 O(log N) 次的二分查找实现，保持整体效率。
• 该方法依赖于量子干涉和酉演化，以放大对应于低于中位数阈值的元素状态的振幅。